berita

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Laporan Kebijaksanaan Baru

Editor: Er Qiao Yang

[Pengantar Kebijaksanaan Baru]Penelitian Universitas Cambridge menggunakan kecerdasan buatan untuk membangun model pembelajaran mesin yang secara akurat memprediksi perkembangan penyakit Alzheimer. Akurasinya jauh melebihi hasil uji klinis, sehingga membuka jalur baru untuk intervensi dini penyakit Alzheimer.

Jika kecerdasan buatan dapat memberikan dampak positif yang belum pernah terjadi sebelumnya di suatu bidang, maka “layanan kesehatan” harus menjadi salah satu kandidat yang paling kuat, terutama diagnosis dini dan pengobatan berbagai penyakit sulit.

Penyakit Alzheimer adalah salah satunya.

Seiring bertambahnya usia penduduk, semakin banyak orang lanjut usia yang seperti "penghapus" yang muncul di otak mereka, dan ingatan mereka secara bertahap terhapus, melupakan masa lalu dan anggota keluarga terdekat mereka. Hal ini sangat mempengaruhi kualitas hidup masyarakat kelompok lanjut usia.

Saat ini, lebih dari 55 juta orang di seluruh dunia menderita demensia, dengan hampir 10 juta kasus baru setiap tahunnya.

Jenis demensia yang paling umum adalah penyakit Alzheimer, mencakup 60%-70% dari seluruh kasus. Diperkirakan jumlah pasien demensia akan meningkat hampir tiga kali lipat dalam 50 tahun mendatang.

Secara global, penyakit ini merugikan sistem layanan kesehatan sebesar $1,3 triliun pada tahun 2019 saja.

Terkait penyakit Alzheimer, deteksi dini sangat penting karena pada saat itulah pengobatan mungkin paling efektif.

Namun, diagnosis dini dan prognosis demensia bisa jadi tidak akurat tanpa menggunakan tes yang invasif atau mahal seperti tomografi emisi positron (PET) atau pungsi lumbal (yang tidak tersedia di semua fasilitas medis).

Akibatnya, sepertiga pasien mungkin salah didiagnosis, sementara yang lain mungkin terlambat didiagnosis sehingga tidak dapat menerima pengobatan yang efektif.

Selain itu, bagi mereka yang terkena dampak, mengidap penyakit ini dapat memicu depresi dan kecemasan. Belum lagi kerabat yang tidak berdaya dan putus asa di sekitar mereka, yang menyaksikan para pasien berangsur-angsur kehilangan ingatan, mengalami gangguan jiwa, dan mengalami gangguan emosi, namun mereka tidak berdaya.

Namun, perkembangan teknologi AI telah memperjelas situasi ini.

Para peneliti di Departemen Psikologi Universitas Cambridge telah mengembangkan model kecerdasan buatan baru yang mengungguli metode uji klinis saat ini dalam memprediksi perkembangan penyakit Alzheimer.

Tim peneliti menggunakan tes kognitif dan pemindaian MRI untuk memprediksi apakah pasien dengan gangguan kognitif ringan akan mengembangkan penyakit Alzheimer. Model pembelajaran mesin menggunakan data non-invasif untuk memprediksi perkembangan penyakit Alzheimer secara akurat pada empat dari lima kasus.

Alamat kertas: https://www.thelancet.com/action/showPdf?pii=S2589-5370%2824%2900304-3

Hasil penelitiannya juga dipublikasikan di jurnal eClinical Medicine (diterbitkan oleh The Lancet). Para penulis percaya bahwa teknologi yang menggunakan diagnosis dan pengobatan kecerdasan buatan dapat memberikan intervensi dini dan mengurangi ketergantungan pada prosedur diagnostik yang mahal di kemudian hari.

Memprediksi secara akurat perkembangan penyakit Alzheimer

model PPM

Tim tersebut membangun model menggunakan tes kognitif dan pemindaian MRI terhadap atrofi materi abu-abu, kematian sel saraf di otak, pada 400 pasien yang dikumpulkan oleh tim peneliti AS.

Untuk menjembatani kesenjangan antara kecerdasan buatan dan terjemahan klinis, makalah ini membangun alat kecerdasan buatan klinis yang kuat dan dapat ditafsirkan berdasarkan model PPM (model prognostik prediktif).

Model ini melampaui metode klasifikasi biner untuk memprediksi individu pada tahap awal penyakit (gangguan kognitif ringan, MCI), individu dalam tahap pra-gejala (kognitif normal, CN), dan individu dengan penyakit Alzheimer (AD) yang dikonfirmasi. .

PPM memperkenalkan metode pemodelan lintasan untuk memprediksi tren perkembangan penyakit di masa depan secara andal dari data multimodal yang dikumpulkan secara rutin.

Dan, dengan menggunakan berbagai jenis data pasien, termasuk generalisasi dari kelompok penelitian ke data pasien di dunia nyata, dapat meningkatkan kegunaan klinis dan potensi penerapannya dalam layanan kesehatan.

PPM mengadopsi kerangka pembelajaran ansambel GMLVQ, yang mampu menggabungkan data dari berbagai modalitas (daripada mempertimbangkan satu tipe data) untuk memprediksi transformasi penyakit dini secara lebih akurat dibandingkan penanda klinis standar (yaitu, atrofi materi abu-abu, penurunan kognitif) atau klinis. diagnosis.

Memanfaatkan kekuatan data multimodal untuk membuat prediksi dari data non-invasif dan berbiaya rendah yang dikumpulkan secara rutin, yang mungkin tidak sesensitif biomarker namun lebih hemat biaya dan non-invasif untuk dikumpulkan.

Pendekatan yang dipandu AI untuk prediksi awal model besar memiliki potensi yang kuat:

Dengan memprediksi kesehatan pasien dan mengurangi biaya layanan kesehatan, lebih sedikit pasien yang akan menjalani tes diagnostik invasif dan mahal;

Kedua, menyediakan sumber daya yang langka bagi mereka yang paling membutuhkan dapat meningkatkan efisiensi alokasi sumber daya medis;

Terakhir, penggunaan model besar untuk membakukan diagnosis di seluruh klinik dapat mengurangi kesenjangan dalam layanan kesehatan.

Contoh pengumpulan data

Model tersebut diuji menggunakan sampel lebih dari 600 peserta dari Amerika Serikat, dan tambahan 900 sampel dari klinik di Inggris dan Singapura.

Data pada sampel AS yang berjumlah 600 orang dari kohort data studi Alzheimer's Disease Neuroimaging Initiative (ADNI) digunakan untuk pelatihan PPM.

900 sampel tambahan digunakan untuk validasi di luar sampel sebagai dua kumpulan data uji independen, NHS Memory Clinic Quantitative MRI of Brain Structural and Functional Brain (QMIN-MC) dan kumpulan data National University of Singapore Memory Aging and Cognition Center (MACC) .

Kumpulan data ini berbeda dalam demografi pasien dan alat pengumpulan data, sehingga memungkinkan eksperimen untuk menguji kompatibilitas model PPM secara bersamaan dengan kelompok nasional dan regional yang berbeda.

Khusus untuk ADNI, sampel dipilih berdasarkan kriteria khusus terkait MCI amnestik dan penyakit Alzheimer.

Data MRI dikumpulkan dari situs pengumpulan MRI di Amerika Serikat. Sebaliknya, data QMIN-MC dan MACC dikumpulkan dari perwakilan layanan neurologi dan memori psikiatris di Inggris dan Singapura.

Oleh karena itu, kohort pasien ini seringkali lebih mencerminkan profil pasien spesifik yang ditemui dalam praktik klinis dibandingkan kohort studi yang direkrut (ADNI).

Hasil percobaan

Hasil pengujian menunjukkan bahwa algoritma tersebut dapat membedakan antara orang-orang dengan gangguan kognitif ringan dan mereka yang akan berkembang menjadi penyakit Alzheimer dalam waktu tiga tahun.

Dan, dengan menggunakan tes kognitif dan pemindaian MRI saja, hasil tersebut 82% akurat dalam mengidentifikasi orang yang akan terserang penyakit Alzheimer dalam waktu tiga tahun, dan 81% orang yang tidak akan terserang penyakit Alzheimer.

Selain itu, alat ini juga dapat melacak perkembangan penyakit dan memberikan metode pengobatan yang paling tepat sesuai dengan keadaan kasus yang berbeda.

Model AI juga memungkinkan para peneliti menggunakan data dari kunjungan dokter pertama setiap orang untuk membagi pasien Alzheimer menjadi tiga kelompok: mereka yang gejalanya tetap stabil (sekitar 50 persen), mereka yang gejalanya berkembang perlahan (sekitar 35 persen), dan mereka yang gejalanya berkembang perlahan (sekitar 35 persen). yang gejalanya berkembang lambat (sekitar 35 persen).

Prediksi ini terkonfirmasi ketika para peneliti melacak data selama 6 tahun masa tindak lanjut. Mereka percaya bahwa solusi AI tiga kali lebih akurat dibandingkan diagnosis klinis dalam memprediksi perkembangan penyakit Alzheimer.

Prediksi awal yang akurat penting karena dapat membantu mengidentifikasi orang-orang yang kemungkinan besar akan tertular penyakit pada tahap awal, sekaligus mengidentifikasi mereka yang memerlukan pemantauan ketat karena kondisi mereka dapat memburuk dengan cepat.

“Jika kita ingin mengatasi tantangan kesehatan yang semakin meningkat akibat demensia, kita memerlukan alat yang lebih baik untuk identifikasi dan intervensi dini,” kata Zoe Kourtzi, profesor di Departemen Psikologi di Universitas Cambridge.

“Visi kami adalah memperluas penggunaan alat kecerdasan buatan untuk membantu dokter mendeteksi kelompok penyakit sejak dini dan menggunakan metode pengobatan yang benar. Pada saat sumber daya medis berada di bawah tekanan besar, hal ini juga akan membantu menghilangkan kebutuhan akan biaya yang mahal dan berbahaya. pengujian diagnostik.”

Pengujian dini juga penting dalam mendeteksi kesalahan diagnosis, dan pada orang yang memiliki gejala seperti kehilangan ingatan namun tetap stabil, gejalanya mungkin disebabkan oleh hal lain selain demensia, seperti kecemasan atau depresi.

Ben Underwood, konsultan psikiater kehormatan di CPFT dan asisten profesor di Departemen Psikiatri di Universitas Cambridge, mengatakan: "Masalah ingatan sering terjadi seiring bertambahnya usia. Secara klinis, tidak mungkin untuk menentukan apakah ini adalah tanda pertama dari penyakit jantung." demensia dan akan menimbulkan masalah bagi pasien. Datang dengan banyak kekhawatiran.”

Jika orang dengan kondisi stabil dapat diidentifikasi secara akurat tidak menderita penyakit Alzheimer, hal ini juga akan sangat mengurangi tekanan psikologis pasien.

Profesor Kourtzi berkata, "Model AI hanya akan bagus jika data yang mereka gunakan dilatih. Untuk memastikan bahwa model kami memiliki potensi untuk diterapkan di lingkungan layanan kesehatan, kami tidak hanya menggunakan data dari kelompok penelitian, tetapi juga data pasien dari klinik. melatih dan mengujinya, yang menunjukkan bahwa model tersebut dapat dipromosikan untuk aplikasi klinis."

Ke depannya, tim peneliti berharap dapat memperluas model mereka ke jenis demensia lainnya, seperti demensia vaskular dan demensia frontotemporal, dan menggunakan berbagai jenis data, seperti penanda dalam tes darah.

Penelitian ini didukung oleh berbagai institusi, termasuk Wellcome, Alzheimer's Research UK, Royal Society dan National Institute for Health and Care Cambridge Biomedical Research Centre.

Diagnosis demensia dini

Selain membangun model prediksi AI, universitas-universitas Eropa juga secara aktif menggunakan teknologi kecerdasan buatan untuk memecahkan masalah penyakit Alzheimer.

Didukung oleh €14 juta dari program EU Horizon, proyek AI-Mind mengembangkan dua alat kecerdasan buatan yang dapat memungkinkan diagnosis dini demensia.

AI-Mind diluncurkan pada tahun 2021 dan akan berlanjut hingga tahun 2026. Mitranya meliputi tujuh universitas Eropa, termasuk Aalto University di Finlandia, Tallinn University di Estonia, dan Radboud University Medical Center di Belanda.

Ini secara khusus menargetkan tahap gangguan kognitif ringan (MCI), di mana tidak ada cacat struktural otak dan intervensi masih mungkin dilakukan.

Untuk mencapai tujuan ini, 13 mitra di balik proyek ini sedang membangun AI-Mind Connector dan AI-Mind Predictor.

Connector menganalisis gambar otak dari EEG untuk mendeteksi tanda-tanda awal yang dapat menyebabkan demensia.

Predictor menggabungkan data ini dengan tes kognitif dan analisis darah untuk memperkirakan risiko penyakit dengan akurasi lebih dari 95 persen.

Kedua alat tersebut akan diintegrasikan ke dalam platform diagnostik cloud yang saat ini digunakan oleh para profesional medis.

Tujuan utama proyek ini ambisius: mengurangi waktu diagnosis dari 2 menjadi 5 tahun menjadi 1 minggu. Dengan cara ini, diharapkan dapat memperpanjang masa tanpa gejala pasien MCI.

Lacak gumpalan protein

Kasus penggunaan AI lainnya dalam memerangi demensia adalah meningkatkan pemahaman kita tentang gumpalan protein dalam tubuh dan melacak patologinya.

Agar tubuh kita berfungsi dengan baik, miliaran interaksi terjadi antara protein dan molekul lain di dalam sel.

Namun jika interaksinya tidak berjalan baik, protein dapat menggumpal dan memburuk, sehingga menyebabkan penyakit saraf seperti Alzheimer.

Para peneliti di Universitas Kopenhagen telah mengembangkan algoritma AI yang dapat mendeteksi gumpalan protein berukuran satu miliar dalam gambar mikroskop.

Algoritme ini juga dapat menghitung gumpalan, mengklasifikasikannya berdasarkan bentuk dan ukuran, serta memantau perubahannya seiring waktu.

Hal ini dapat membantu para ilmuwan memahami mengapa gumpalan ini terbentuk, sehingga mengarah pada penemuan obat dan perawatan baru.

Menurut tim, alat ini mengotomatiskan proses yang memerlukan waktu berminggu-minggu bagi para peneliti untuk menyelesaikannya hanya dalam hitungan menit.

Selain itu, algoritma pembelajaran mesin ini tersedia secara gratis di Internet sebagai model sumber terbuka.

“Ketika para peneliti di seluruh dunia mulai menerapkan alat ini, alat ini akan membantu menciptakan perpustakaan besar struktur molekul dan protein yang relevan dengan berbagai penyakit dan biologi,” kata Nikos Hatzakis, salah satu penulis studi tersebut.

Referensi:

https://www.medicaldevice-network.com/news/university-of-cambridge-ai-model-alzheimers/

https://thenextweb.com/news/europe-universities-using-ai-battle-dementia